计算csv中特定单词出现次数的Python算法

Question

我刚开始学习python。 除了简单地使用 for 循环逐行遍历并读取之外，我很好奇在 CSV 文件中计算特定单词出现次数的有效方法是什么。

更具体地说，假设我有一个 CSV 文件，其中包含“名称”和“等级”两列，其中包含数百万条记录。

如何计算“等级”下出现“A”的次数？

非常感谢 Python 代码示例！

Answer 1

您当然应该阅读所有成绩，在这种情况下也意味着阅读整个文件。您可以使用csv 模块轻松读取逗号分隔值文件：

import csv
my_reader = csv.reader(open('my_file.csv'))
ctr = 0
for record in my_reader:
    if record[1] == 'A':
        ctr += 1
print(ctr)

这非常快，我无法使用 Counter 方法做得更好：

from collections import Counter
grades = [rec[1] for rec in my_reader] # generator expression was actually slower
result = Counter(grades)
print(result)

最后但同样重要的是，列表有一个count 方法：

from collections import Counter
grades = [rec[1] for rec in my_reader]
result = grades.count('A')
print(result)

Answer 2

基本示例，使用标准 Python 库中的 csv 和 collections.Counter (Python 2.7+)：

import csv
import collections

grades = collections.Counter()
with open('file.csv') as input_file:
    for row in csv.reader(input_file, delimiter=';'):
        grades[row[1]] += 1

print 'Number of A grades: %s' % grades['A']
print grades.most_common()

输出（对于小数据集）：

Number of A grades: 2055
[('A', 2055), ('B', 2034), ('D', 1995), ('E', 1977), ('C', 1939)]